數據科學社群流傳著一個傳說，如果技能齊全的數據科學家突然接手你的工作，他一夜之間便能奇跡般地把小型數據科學公司轉虧為盈。

這樣的一位數據科學家，需要有豐富的經驗和過硬的專業知識。只要找對了贊助商，那么這個人肯定就能走上正道，并把整個項目發展起來。

然而，在數據科學計劃慢慢成型的過程中，你可能需要一個技術團隊來幫助項目進行提升。該團隊主要由機器學習工程師、數據科學家、統計學家和軟件工程師組成，可能還需要一兩個數據分析師。

大公司里的IT技術人員以系統為中心來處理數據，他們一般都擁有許多技能，比如編程、系統開發、系統支持、商業支持以及跨職能團隊合作的能力，也正是這些技能使得他們能勝任數據分析師的工作。其中，如果中級開發人員有一定的商業知識背景，還擅長使用各種數據處理工具，那么，他們便是數據分析師很好的人選。

數據分析師是所有專家的中間人

在數據科學團隊中，數據分析師能把所有技術專家都協調起來。數據分析師通常能為數據科學家或統計學家指明研究方向，說明哪些假設值得深入研究。他們可以和機器學習工程師及軟件開發者合作為機構組織架構和開發全面的數據科學項目，還能通過數據可視化來進行初步分析，開啟數據科學的新旅程。

企業中的中級或高級的IT專家大多情況下會與其它部門進行合作。跨職能的團隊協作能力再加上軟件工程背景便賦予了企業IT人員與其他專家展開良好合作的能力。

數據分析師了解業務情況，對數據有直覺判斷

數據分析師或多或少在技術層或者商業層面都有和數據打過交道。通常來說，數據分析師在處理數據的過程中能培養出對業務一定的見解，慢慢地對數據就會有自己的直覺判斷。通常，數據分析師如果在接手數據科學項目之前就與公司業務打過交道更具有商業遠見。慢慢培養商業直覺，再不斷圍繞著業務提升這方面能力可以為數據科學項目節約大量時間。

企業中IT技術人員的工作離不開“數據”二字。隨著大數據在IT領域的推廣，大部分軟件開發都圍繞數據進行。數據分析師可以通過為企業研究系統解決方案來學習業務知識。解決數據完整性，數據倉儲和系統性能等問題以提供系統支持能培養技術專家的數據直覺，還能加深其對數據完整性的理解。

數據分析師擁有可與其他專家匹敵的好奇心以及持續跟進工作的恒心

數據科學是一個迭代的過程。商業分析如同大海撈針，通常需要花幾個月的時間研究數據才能找出一個可行方案。這就對數據分析師的恒心以及決不妥協的好奇心提出了要求。

企業的IT技術員整天都會陷入失落情緒中。每天都和系統代碼庫打交道，難免會覺得多年反復在與同一系統工作，糾纏于辦公室斗爭以及為海量的數據頭疼，無聊至極。而身處如此環境卻從不退縮，堅守崗位的工程師，才是數據分析師的最佳人選。

數據分析師掌握了數據存儲和檢索技術

一般來說，在商業環境下，有很多技術可以用來存儲大數據。此外，依靠數據采掘工具的行業在數據處理的過程中就能獲得分析結果。熟練掌握數據存儲和檢索技術的分析師懂得如何快速獲取所需的“精煉的”數據集。

為企業工作多年的IT技術專家不僅知道如何對系統進行進一步的發展，還知道怎么存儲數據、挖掘數據以及提煉數據。這些技能非常寶貴，能幫助機器學習工程師和數據科學家更加專注于建模和數據科學的工作。

數據分析師是查找數據的能手

數據分析師通常是查找數據的不二人選。他們不僅能整理、清除數據，還能通過數據庫找到所需的重要信息，有時甚至憑直覺就能找出最重要的信息。

查找數據的能力是企業IT專家所具備的最重要的能力。處理許多數據庫遺留問題，重構經常失控的代碼庫，優化性能等調試工作都是企業IT人員擅長的。他們擁有跨系統調試技能，可以標記和跟蹤數據以找出系統問題。這項技能對數據分析師來說十分重要，他們必須要找對方法來指明項目方向。

數據分析師“心有大局”

數據分析師天生是“心有大局”的人，能游刃有余地與專家一同工作。他們的工作性質就是協調所有人的工作，因此，他們能做到“心有大局”。如果數據分析師的技能可以得到充分利用，那么他們便可以從管理中學習到對業務重要的信息。最終能獨立工作并擁有自己的見解。

與科技大廠和初創公司的軟件工程師不同，企業IT開發者更注重“大局”，他們不會花大量的時間去摳軟件中某一點細節，而是更專注于開發可能在一個或多個系統中多個組件上運行的解決方案。這些企業IT開發人員的開發性也使他們成為了數據分析師最佳人選。

數據分析師掌握了多種編程語言并且擁有處理不同類型數據存儲的技術

因為數據分析師必須在數據中穿行，協助清理數據，可視化數據，因此，一名優秀的數據分析師須對R語言或者Python等編程語言、數據可視化概念和實踐以及對SQL和NoSQL等數據提取技術非常熟練。通常來說，一名好的數據分析師還應有使用Tableau或者SAS的經驗。他們可能不具備算法、統計和分析等經驗，但他們肯定曾在技術層面使用過用于編寫算法的工具。

企業IT開發者能使用很多不同的編程語言。有5年及以上經驗的中高級水平的開發者能在SQL和NoSQL領域熟練地開發系統解決方案。有的甚至還有過C++和Java的經驗。對他們來說，處理負責的數據和學習一門新的編程語言不是什么難題。這些開發者對Perl，Awk等腳本語言也非常熟悉。如果沒有過python這種以目標為導向的編程經驗，要想學習R或Python也是很簡單的。

處在機器學習和大數據的時代，人們總是想找一個數據科學項目的“最佳人選”。只要方法得當，企業IT技術人員也能在數據科學領域大展身手。也許我們需要經驗豐富的機器學習工程師來擴大數據科學規模，可能還需要數據科學家來帶領數據科學團隊。但是，企業IT技術人員也是可以依靠的的，他們掌握了一定業務知識，具有敏銳的洞察力。如若他們成為數據分析師，可以在專家團隊中架起溝通的橋梁，為數據科學項目傳達真正的價值。不要忘了，成功的數據科學項目是一個團隊努力的成果。